基于多特征的分层图像检索技术研究及应用实现

摘要

基于内容的图像检索是多媒体信息检索的重要研究方向，它是一种基于“以图搜图”的检索技术，广泛应用于多个领域，如电子商务子中的商品图像检索。随着网络的普及，数字图像得到显著增长，成为多媒体社会中主要信息的来源。各式各样的图像遍及到我们日常的生活学习中，如何快速准确的对图像信息进行分析和检索具有重要的研究价值。
　　本文是对基于内容的图像检索技术进行研究。根据对该技术的相关理论知识和算法的学习，采用了多特征融合的分层图像检索方法。该方法的第一层是图像筛选层，本文提出了基于稀疏的多类别分类方法对图像进行筛选；第二层是精确图像检索层，采用多特征融合的方法对图像进行精确检索。本文将多特征分层图像检索技术应用在商品检索中，具体的工作和创新如下：
　　（1）在基于稀疏分类的图像筛选层中，本文提出一种基于稀疏的多类别分类方法。传统的稀疏分类方法是根据重建残差进行分类，并且将图像归为某一类，这样容易导致分类错误，从而不能达到图像筛选的目的。因此，本文提出一种基于稀疏的多类别分类方法，结合稀疏表示的特性，采用重建残差和稀疏系数的比值来进行分类，把图像归为相似的前N类，减少分类错误，达到图像筛选的目的，构成精确检索层的候选图像集。
　　（2）在精确图像检索层，本文采用多特征加权融合的检索方法。首先提取SIFT特征，根据词袋模型特征表示方法，得到图像的直方图特征。本文引入了Dirichlet Fisher核的直方图转换方法，得到具有较强辨别力的SiftBowDirfk特征，提高检索的性能。此外，针对单一特征不能准确描述图像的缺点，本文采用多特征加权融合的方法来表示图像，加强了图像的视觉特征表示能力，提高了图像检索的查准率和查全率。
　　（3）结合分层图像检索技术，本文提出了基于稀疏的多类别分层检索方法。通过基于稀疏多类别的分类对图像进行筛选，减少了检索过程特征匹配的数量；采用多特征融合的方法对图像进行精确检索，提高了检索的性能。
　　（4）将多特征分层检索技术应用到商品图像的检索中，设计和实现了分层的商品检索系统。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 课题研究背景及意义

1.2 图像检索的研究现状及存在的问题

1.3 本文的主要研究内容及创新

1.4 本文的章节安排

第二章 基于内容的图像检索理论及技术

2.1 基于内容的图像检索系统结构

2.2 图像视觉特征

2.3 相似性度量方法

2.4 图像检索性能评价准则

2.5 本章小结

第三章 基于稀疏分类的图像筛选

3.1 基本思想

3.2 CEDD特征提取

3.3 稀疏分类

3.4 实验

3.5 本章小结

第四章 多特征融合的精确图像检索

4.1 基本思想及流程

4.2 SiftBowDirfk特征提取

4.3 本文的加权特征融合算法

4.4 实验结果与分析

4.5 本章小结

第五章 多特征分层技术在商品检索应用的系统实现

5.1 系统设计与实现

5.2 实验平台与数据

5.3 实验结果及分析

5.4 本章小结

第六章 总结与展望

6.1 本文内容总结

6.2 未来工作展望

致谢

参考文献